Hasil Pencarian  ::  Simpan CSV :: Kembali

"Spotify, sebagai salah satu layanan streaming musik di Indonesia, menjadi salah satu usaha yang ikut membangun industri musik. Seperti halnya layanan streaming musik lainnya, Spotify menawarkan dua skema layanan yaitu Spotify Freemium, yaitu skema tanpa biaya dan Spotify Premium, dimana pengguna membayar tarif secara berkala. Tujuan penelitian ini adalah untuk mengetahui besarnya nilai kesediaan membayar konsumen WTP atas tarif premium serta mengidentifikasi faktor-faktor yang mempengaruhi WTP tarif premium dari layanan streaming musik. Berdasarkan hasil estimasi WTP menggunakan Contingent Valuation Method CVM , rata-rata pengguna Spotify hanya bersedia membayar Rp 32.000,- per bulan. Sedangkan, dengan menggunakan analisa Logit, diketahui bahwa harga/tarif, kualitas audio, tidak adanya gangguan seperti iklan, dan adanya aplikasi di telepon genggam, merupakan faktor-faktor yang signifikan mempengaruhi WTP.

---

Spotify, as one of the most popular music streaming services in Indonesia, became one of the developers of the Indonesian music industry. Like other music streaming services, Spotify offers two service schemes which are Spotify Freemium, the no cost schemes, and Spotify Premium where users pay tariffs on a regular basis. The purpose of this research is to know the value of consumer 39 s willingness to pay WTP and to identify factors influencing WTP for music streaming service 39 s premium tariffs. Based on the estimation of WTP using Contingent Valuation Method CVM , the average Spotify user is only willing to pay Rp 32.000, per month. Meanwhile, by using Logit analysis, it is known that price tariff, audio quality, the absence of interference such as advertisement, and the existence of application in mobile phone, are the significant factors affecting the WTP."

"Streaming adalah metode untuk mengonsumsi musik terpopuler saat ini. Layanan streaming musik dengan jumlah pengguna yang paling banyak, Spotify, menyediakan banyak informasi mengenai musik yang tersedia di platform tersebut, termasuk fitur audio. Fitur audio di Spotify merupakan deskripsi dari sebuah musik yang menjelaskan mengenai sebuah lagu seperti danceability, durasi, dan tempo. Fitur ini dapat diakses menggunakan application programming interface (API). Selain itu, Spotify juga menyediakan tangga lagu yang berisi 200 lagu yang paling banyak di stream dan diperbaharui setiap harinya. Dengan menggabungkan informasi mengenai fitur audio dan tangga lagu harian dari Spotify, penelitian ini akan melakukan analisis mengenai tren dari musik menggunakan metode runtun waktu. Pertama, akan dilakukan dekomposisi runtun waktu untuk mengekstraksi komponen tren dari musik. Kedua, akan dilakukan pemodelan menggunakan Vector Autoregressive (VAR) yang akan dilanjutkan dengan forecasting. Terakhir, hasil prediksi dari model VAR akan dibandingkan dengan nilai asli. Hasil dari penelitian menunjukkan bahwa model VAR memiliki kemampuan yang baik untuk memprediksi tren fitur audio di masa depan pada jangka waktu tertentu.

---

Streaming is the most popular music consumption method of the current times. As the biggest streaming platform based on subscriber number, Spotify stores miscellaneous information regarding the music in the platform, including audio features. Spotify’s audio features are descriptions of songs features in form of variables such as danceability, duration, and tempo. These features are accessible via Application Programming Interface (API). On the other hand, Spotify also publishes their own charts consisting of 200 most streamed songs on the platform (based on regions) which are updated daily. By combining Spotify’s song charts and the songs’ respective audio features, this research conducted analysis on musical trends using time series modeling. First, the combined data is decomposed to extract the trend features. Second, a Vector Autoregressive (VAR) model is built and followed by forecasting of the audio features. Lastly, the performance of forecasted values and the actual observations is evaluated. As a result, this research has proven that musical trends can be forecasted in the future for a short period by using VAR model with relatively low error."